PEMUTUAN BUAH CABAI MERAH BESAR (Capsicum annuum L.) MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DAN JARINGAN SYARAF TIRUAN

Abstract

Pemutuan buah cabai merah segar di Indonesia selama ini masih dilakukan secara manual. Pemutuan secara manual memiliki banyak kekurangan, diantaranya membutuhkan waktu yang relatif lama, menghasilkan produk sortasi yang beragam, dan perbedaan persepsi mutu produk hasil pemutuan karena unsur subyektifitas. Berdasarkan hal tersebut, diperlukan suatu metode yang dapat menggolongkan mutu buah cabai merah segar secara efektif dan efisien. Pengolahan citra merupakan salah satu alternatif untuk mengatasi hal tersebut. Tujuan penelitian untuk mengetahui: (1) mempelajari hubungan antara kriteria mutu penampakan fisik buah cabai merah segar dengan parameter mutu citra, (2) menyusun program pengolahan citra untuk pemutuan buah cabai merah segar berdasarkan penampakan fisik, (3) menyusun algoritma pemutuan menggunakan jaringan syaraf tiruan, dan (4) mengetahui tingkat akurasi program tersebut dalam melakukan pemutuan buah cabai merah segar berdasarkan penampakan fisik. Hasil penelitian ini diharapkan dapat digunakan pada proses pemutuan di industri buah cabai merah segar agar proses pemutuan buah cabai merah segar menjadi lebih akurat, efektif dan efisien. Sampel yang digunakan dalam penelitian ini adalah buah cabai merah segar varietas Biola yang didapatkan dari Pasar Tanjung di Kabupaten Jember, Provinsi Jawa Timur. Sampel buah cabai merah digolongkan secara manual ke dalam empat kelas mutu yaitu mutu I, mutu II, mutu III, dan mutu Reject. Pada masing-masing kelas mutu terdapat 75 sampel untuk data training dan 25 sampel untuk data testing, sehingga keseluruhan sampel adalah 400 buah cabai merah besar. Setelah dimutukan secara manual, sampel buah cabai merah diambil citranya menggunakan kamera CCD. viii Citra cabai merah diolah untuk mendapatkan tujuh parameter mutu citra yaitu indeks r, indeks g, perimeter, area, panjang, diameter, dan area cacat menggunakan program pengolahan citra. Parameter mutu citra yang sesuai dengan kriteria mutu buah akan digunakan sebagai input pada pelatihan jaringan syaraf tiruan (JST) dengan metode backpropagation. Tiga variasi JST yang digunakan untuk pelatihan JST yaitu variasi JST dengan 10, 15, dan 20 node lapisan tersembunyi. Pelatihan JST dilakukan menggunakan 300 buah data training. Bobot-bobot hasil pelatihan variasi JST digunakan pada propagasi maju untuk menduga kelas mutu 100 buah data testing. Variasi JST terbaik ditentukan berdasarkan variasi yang menghasilkan pendugaan hasil yang paling mendekati hasil sebenarnya. Algoritma hasil pelatihan variasi JST terbaik kemudian diintegrasikan pada program pengolah citra cabai merah sehingga secara otomatis program dapat menduga kelas mutu buah cabai merah segar. Parameter mutu citra yang sesuai dengan kriteria mutu buah cabai merah adalah indeks r, indeks g, perimeter, area, panjang, dan area cacat. Variasi JST terbaik adalah variasi JST dengan 20 node lapisan tersembunyi karena memiliki tingkat akurasi prediksi paling tinggi yaitu 100% dan nilai MSE terendah yaitu 1,05607 e-005. Program pemutuan buah cabai merah memiliki tingkat akurasi pemutuan sebesar 100%.